![11008a290ee9f407677f33b6dd5b4815.png](https://i-blog.csdnimg.cn/blog_migrate/6c60ddb8a83cb722db12767888675938.jpeg)
在本文中,我将介绍两个能够对时间序列进行建模的模型:随机游走和移动平均过程。
随机游走模型
随机游走模型由以下公式表示:
![477c4dc2b9a9686b39040cc849b2dfad.png](https://i-blog.csdnimg.cn/blog_migrate/4120aa3be7f24aab488c482f7f2b5143.jpeg)
换句话说,当前时刻t的位置是前一时刻(t-1)的位置与噪声(用z表示)之和。这里我们假设噪声是正态分布的(均值为0,方差为1)。
我们从0开始随机游走,也就是说,任何时间点都是该时间之前所有噪声的和。数学上表示为:
![2092a85fc5eece13ddf99ed7588651d0.png](https://i-blog.csdnimg.cn/blog_migrate/cc15995b58253a9f4cf6ee1231bd6776.jpeg)
让我们在Python中模拟随机游走。
首先,我们导入所需的Python库:
from statsmodels.graphics.tsaplots import plot_acffrom statsmodels.tsa.ari